Análisis radiográfico asistido por IA para detectar la gravedad y los patrones de pérdida de hueso alveolar

Por qué importa en tu próxima visita dental

La enfermedad de las encías hace más que provocar sangrado: de forma silenciosa destruye el hueso que sostiene los dientes. Los dentistas intentan detectar ese daño en las radiografías dentales, pero interpretar estas imágenes es complejo y requiere tiempo, y los cambios pequeños pueden pasarse por alto con facilidad. Este estudio muestra cómo la inteligencia artificial (IA) puede ayudar a los dentistas a medir la pérdida de hueso alrededor de cada diente de forma más rápida y consistente, abriendo la puerta a tratamientos más tempranos y a mejores probabilidades de conservar los dientes.

El hueso oculto que mantiene los dientes en su lugar

Cada diente está anclado por un sistema de soporte compuesto por tejido gingival, pequeños ligamentos y el hueso de la mandíbula. Cuando las infecciones gingivales persistentes no se tratan, este soporte se deteriora lentamente, lo que conduce a la “pérdida de hueso alveolar”, la reducción del hueso que envuelve las raíces dentales. A nivel mundial, formas severas de este daño afectan a aproximadamente una de cada cinco personas mayores de 15 años y son una causa importante de pérdida dental. En las radiografías, los dentistas evalúan la gravedad midiendo la distancia entre un punto de referencia natural en la superficie del diente y el borde superior del hueso circundante; también observan la forma de ese borde óseo—si se ha hundido de manera uniforme (pérdida horizontal) o adopta un patrón agudo en forma de cuña (defecto angular). Tanto la cantidad como la forma de la pérdida ósea influyen en la elección del tratamiento adecuado, incluida la probabilidad de que los procedimientos de regeneración ósea sean eficaces.

Por qué mirar las radiografías a simple vista no es suficiente

A pesar de su importancia, la evaluación de la pérdida ósea en las radiografías sigue haciéndose en gran medida a mano y depende mucho de la experiencia del dentista y de su grado de cansancio. Dos clínicos pueden ofrecer lecturas distintas de la misma imagen, y las clínicas con mucha carga de trabajo pueden tener dificultades para examinar en detalle cada superficie dental. Intentos previos de aplicar IA en este ámbito podían a menudo indicar si había pérdida ósea, o estimar su gravedad de forma aproximada, pero rara vez ofrecían mediciones precisas diente por diente y por lo general no capturaban al mismo tiempo tanto la gravedad como el patrón de la pérdida. Los autores de este trabajo se propusieron construir un único sistema automatizado capaz de realizar ambas tareas—medir cuánto hueso falta y clasificar si la pérdida es horizontal o angular—utilizando el tipo de radiografías periapicales que los dentistas ya toman en la práctica diaria.

Cómo la IA interpreta las radiografías dentales

El equipo utilizó una colección pública de 1.000 radiografías periapicales intraorales cuidadosamente etiquetadas, cada una mostrando varios dientes en detalle. Primero, se entrenó un modelo de IA para localizar y dibujar rectángulos alrededor de cada diente en la imagen. Dentro de cada diente, una segunda familia de modelos identificó tres puntos clave: la unión esmalte-cemento cerca de la línea de las encías, la punta de la raíz y el punto donde el borde óseo visible cruza la superficie del diente. Al proyectar estos puntos sobre una línea recta y comparar sus distancias, el sistema convirtió las separaciones en píxeles en un porcentaje de pérdida ósea por diente. Un modelo separado trazó los contornos tanto de los dientes como de los bordes óseos, y luego convirtió esas formas en líneas delgadas. En cada zona donde se detectó pérdida ósea, el software comparó la inclinación de la superficie dental con la inclinación de la línea ósea; los ángulos poco pronunciados indicaban defectos angulares, mientras que líneas más paralelas y pronunciadas señalaban pérdida horizontal. Esta cadena de pasos permitió que la IA pasara de radiografías crudas a mediciones detalladas y a etiquetas de patrón de forma automática.

Rendimiento del sistema

Para comprobar si las mediciones de la IA eran fiables, los investigadores las compararon con anotaciones de expertos y con lecturas manuales de un dentista en un conjunto separado de radiografías. En cuanto a la gravedad de la pérdida ósea, la concordancia entre el sistema y los expertos humanos se situó en el rango de “buena” según estadísticas estándar de fiabilidad, y la correlación con las estimaciones de un clínico experimentado fue fuerte. Respecto a los patrones de pérdida, la IA distinguió correctamente daño horizontal de angular en alrededor de nueve de cada diez casos y mostró una concordancia moderada con las decisiones del experto. El software también fue más rápido que un lector humano: podía analizar una radiografía completa en aproximadamente 25 segundos, frente a 1 a 4 minutos para un especialista, examinando al mismo tiempo cada superficie dental de forma uniforme.

Qué significa esto para pacientes y dentistas

El estudio sugiere que la IA puede convertirse en una segunda mirada útil en el consultorio dental, ofreciendo mediciones objetivas y repetibles de cuánto hueso se ha perdido y qué tipo de patrón de daño está presente. Los dentistas seguirían tomando la decisión final, pero podrían ser alertados antes sobre cambios sutiles, planificar los tratamientos con más confianza y controlar si la terapia está frenando o deteniendo la pérdida ósea con el tiempo. Aunque el sistema aún requiere pruebas en entornos clínicos cotidianos, apunta hacia un futuro en el que las radiografías dentales de rutina también funcionen como herramientas precisas asistidas por ordenador para preservar el hueso que mantiene nuestros dientes en su sitio.

Cita: Wimalasiri, C., Rathnayake, P., Wijerathne, S. et al. AI-assisted radiographic analysis in detecting alveolar bone-loss severity and patterns. Sci Rep 16, 7974 (2026). https://doi.org/10.1038/s41598-026-38061-1

Palabras clave: periodontitis, radiografías dentales, inteligencia artificial, pérdida ósea, aprendizaje profundo